Nick Davidov, Mitgründer und geschäftsführender Gesellschafter von DVC – Interviewreihe

Nick Davidov, Mitbegründer und geschäftsführender Gesellschafter von DVC, hat in mehr als 140 KI-Startups in der Frühphase investiert, darunter Perplexity AI, Etched und Mira Muratis Thinking Machines Lab.

DVC ist eine in San Francisco ansässige Risikokapitalgesellschaft, die sich auf die Förderung von KI-Startups in der Frühphase und den Aufbau eines Community-basierten Ökosystems rund um KI-Innovationen spezialisiert hat. Gegründet von Marina und Nick Davidov, kombiniert das Unternehmen ein aktives Netzwerk aus Gründern, Ingenieuren und Forschern mit proprietären KI-gestützten Workflows, um Unternehmen von der Vorgründungsphase bis hin zu den Wachstumsphasen Series A/B zu unterstützen. Die Investitionen belaufen sich in der Frühphase auf 100 bis 300 US-Dollar und in Folgefinanzierungsrunden auf 1 bis 3 Millionen US-Dollar. Das Geschäftsmodell setzt auf praxisnahe Unterstützung, intensive Community-Einbindung und den Einsatz von KI-Tools in Zusammenarbeit mit erfahrenen Limited Partnern, um vielversprechende Deals zu identifizieren, Due-Diligence-Prüfungen durchzuführen und die Gründer des Portfolios beim Wachstum zu unterstützen – alles mit dem Ziel, einen nachhaltigen Beitrag zur KI-Startup-Szene zu leisten.

DVC ist dafür bekannt geworden, Risikokapital von Grund auf neu zu denken. Welche Erfahrungen oder Frustrationen im traditionellen Risikokapital haben Sie dazu inspiriert, ein Modell zu entwickeln, das vollständig auf KI-Agenten und Community-Intelligenz basiert?

Hauptsächlich geht es um die Skalierung von Venture-Capital-Unternehmen. Aktuell lässt sich das Geschäft nur durch die Erhöhung des verwalteten Vermögens ausbauen. Irgendwann verschiebt sich die Motivation – man wird nicht mehr von Werten, sondern von Managementgebühren angetrieben. Dann priorisiert man die Investition gegenüber der Rendite, was nicht zielführend ist. Daher suchen wir nach einer alternativen Möglichkeit, eine Investmentfirma horizontal statt vertikal zu skalieren. Gleichzeitig wollen wir so den Zugang zu Venture Capital demokratisieren und mehr Diversität in den Markt bringen.

​Sie haben gesagt, DVC habe „seine Analysten entlassen und seine LPs eingestellt“. Können Sie uns genauer erläutern, wie dieses System funktioniert – wie tragen die LPs zur Akquise und Due Diligence bei und welche Tools unterstützen sie dabei?

Ich möchte mit einer Anekdote beginnen. Wenn neue LPs (Limited Partners) zu uns kommen, bitten wir sie, einen Fragebogen auszufüllen, der unter anderem die Frage enthält: „Sind Sie bereit, Startups aktiv zu unterstützen?“ Ein LP – ein Testingenieur – war neugierig, welche Fragen der Fragebogen als Nächstes stellen würde, wenn er „Nein“ ankreuzte, aber es passierte nichts. Er war ungefähr unser hundertster Bewerber und machte uns darauf aufmerksam, dass eine positive Antwort bei dieser Frage obligatorisch war – niemand konnte „Nein“ ankreuzen. Erstaunlicherweise hatten hundert Bewerber vor ihm „Ja“ angeklickt und es nie bemerkt.

Wir haben für unsere Limited Partners (LPs) eine interne Karriereleiter geschaffen. Bei DVC kann jeder LP den Titel „Deal Advisor“ erlangen und sich zum „Super Advisor“ weiterentwickeln, wenn er unsere Portfoliounternehmen aktiv in den Bereichen Personalbeschaffung, Vertrieb, Produktentwicklung und Networking unterstützt und so zum Wachstum der Startups beiträgt – und dafür eine Beteiligung am Gewinn erhält. Bringt ein LP uns einen Deal, wird er zum „Deal Captain“. Wir haben es ihnen sehr einfach gemacht, sich in jeder Phase einzubringen und die meisten Prozesse automatisiert.

Wie automatisieren die firmeneigenen KI-Agenten von DVC zentrale VC-Funktionen wie Deal-Sourcing, Due Diligence und Portfolio-Monitoring? Könnten Sie ein oder zwei Arbeitsabläufe beschreiben, die die größte Transformation erfahren haben?

Bei DVC bildet KI das Rückgrat eines komplett neuen Ansatzes in der Arbeitsweise von Venture-Capital-Firmen. Sie revolutioniert den traditionellen Due-Diligence-Prozess. Anstatt Gründer direkt zu kontaktieren, erstellen unsere KI-Experten ein umfassendes Deal-Memo und führen den Großteil der vorbereitenden Due-Diligence-Prüfung vor dem ersten Kontakt durch. Dies ist möglich, da viele der notwendigen Informationen (wie Unternehmenspräsentationen, Marktdaten, Wettbewerbsanalysen und Bewertungsgrundsätze) bereits vor dem Gespräch verfügbar sind. So wird die Zeit von Gründern und Investoren nicht verschwendet. Was früher einen ganzen Tag für einen teuren Analysten in Anspruch nahm, ist jetzt in wenigen Minuten für unter 30 Cent erledigt.

Wenn ein Startup-Deck im System eingeht – üblicherweise über eine LP-Einführung –, analysiert die KI die Materialien, reichert sie mit externen Quellen an, sortiert die Daten und erstellt ein Deal-Memo. So können wir uns auf das konzentrieren, was schwer zu automatisieren ist: die Motivation der Gründer, Soft Skills, Unternehmenskultur und Teamdynamik.

​Was sind die ungewöhnlichsten oder überraschendsten „Signale“, die Ihre KI bei der Bewertung von Startups in der Frühphase erfasst? Wie unterscheiden sich diese von den Kriterien, nach denen menschliche Analysten traditionell suchen?

Zu den ungewöhnlichen und für menschliche Analysten schwer erkennbaren Signalen zähle ich beispielsweise die kürzlichen Entlassungen wichtiger Teammitglieder des Startups. Insgesamt erfasst unser System etwa 120 Signale. Einige davon helfen uns, die Marktentwicklung des Startups zu verstehen. Die zweite Gruppe von Signalen bezieht sich auf das Startup-Team. Die dritte Kategorie konzentriert sich auf potenzielle Investorenkonkurrenz. Ziel ist es, vorherzusagen, wie schnell ein Gründer eine Finanzierungsrunde abschließen kann, da das Netzwerk des Gründers ein entscheidender Faktor ist.

​Wie koordiniert man diese Community und stellt sicher, dass qualitativ hochwertige Beiträge und nicht nur irrelevante Informationen vorliegen, wenn über 170 LPs von Unternehmen wie OpenAI, Meta und Tesla stammen?

Als es nur ein paar Dutzend LPs gab, war deren Verwaltung noch manuell möglich. Doch mit steigender Anzahl wurde die Suche nach dem passenden Experten für das jeweilige Startup zum richtigen Zeitpunkt zum Engpass. Daher entwickelten wir KI-Agenten als „Super-Connectoren“, die alle Details zu Expertise und Netzwerken der LPs speichern, um relevante Kontakte für Portfoliounternehmen vorzuschlagen. Dadurch wird der Community-Aspekt extrem skalierbar.

Um die Qualität zu sichern, kontaktieren wir stets die Gründer, um ihr Feedback einzuholen. Uns reicht es beispielsweise nicht, lediglich den Kontakt zu einem potenziellen Unternehmen herzustellen; wir müssen überprüfen, ob die Zusammenarbeit tatsächlich funktioniert hat. Im Laufe der Zeit haben wir genügend Daten gesammelt, um zu erkennen, was wirklich effektiv ist.

Die Anlagestrategie des Fonds konzentriert sich auf die Kerninfrastruktur für KI und vertikal fokussierte Modellarchitekturen. Welche KI-Segmente sind Ihrer Meinung nach derzeit am stärksten unterbewertet – und warum?

Es gibt keine unterbewerteten Segmente, nur unterentwickelte – und die unterentwickelten Segmente sind tendenziell günstiger. Gesundheitswesen, industrielle Anwendungen, Robotik und Bauwesen hinken hinterher. Es gibt zwar viele Anwendungsmöglichkeiten, aber deren Nutzung ist miserabel.

​DVC hat bereits in Unternehmen wie Perplexity AI und Etched investiert. Wie hilft Ihnen Ihr KI-System dabei, diese vielversprechenden Unternehmen zu identifizieren, bevor sie die breite Öffentlichkeit erreichen?

Die meisten unserer Investoren sind Gründer und Ingenieure, die KI-Technologien frühzeitig einsetzen und adaptieren. Wenn sie von etwas begeistert sind, bringen sie es in unsere Community ein. Unsere KI-Plattform übernimmt die Vorbereitung. Als Partner hören wir auf unsere Intuition. Genau so haben wir schließlich in Perplexity investiert.

Da KI das Risikokapitalwesen neu gestaltet, welche Aspekte der Intuition, des Urteilsvermögens oder der menschlichen Verbindung von Investoren können Ihrer Meinung nach niemals durch Algorithmen ersetzt werden?

KI-Systeme sind uns bei Vertragsverhandlungen, Recherchen und Vorbereitungsarbeiten bereits überlegen. Was sie jedoch nicht ersetzen können, ist die menschliche Verbindung zwischen Gründer und Investor. Diese Beziehung hält oft länger als eine durchschnittliche Ehe. Der Weg eines Gründers ist komplex, mitunter einsam und mit hohem Druck verbunden. Ein menschlicher Partner ist daher unerlässlich – genau dafür ist ein Investor da. Und kein Algorithmus kann dies ersetzen.

​Wie lassen sich die Vorteile der Automatisierung mit dem Bedürfnis nach Transparenz und Vertrauen zwischen Gründern und Investoren in Einklang bringen?

Tatsächlich ist es genau umgekehrt: Automatisierung schafft Transparenz, die wiederum Vertrauen schafft. Durch Automatisierung lässt sich klar nachvollziehen, welche Eingaben verwendet wurden und wie Entscheidungen getroffen wurden. Sie macht den Entscheidungsprozess so transparent und analysierbar wie möglich.

​Blicken Sie mit Blick auf die Zukunft: Können Sie sich eine Zukunft vorstellen, in der die meisten Risikokapitalfirmen ohne Analysten auskommen – und wenn ja, was bedeutet das für die nächste Generation von Risikokapitalgebern, die in die Branche einsteigen?

Die traditionelle Rolle des Analysten ist von Natur aus ineffizient. Die Struktur selbst – Datenerfassung und -analyse durch einen Analysten – ist anfällig für menschliche Fehler, sowohl bei der Datenerfassung als auch bei der Analyse. Der Einsatz von KI macht den Prozess deutlich effizienter, sodass die alte Rolle überflüssig wird. Gleichzeitig entstehen jedoch neue Rollen. Als wir also alle unsere Analysten entließen, stellten wir Produktentwickler und Ingenieure ein, die diese Aufgaben übernehmen. Das menschliche Urteilsvermögen verschwindet dabei nicht – es verlagert sich lediglich in andere Funktionen. Die Rolle wandert dorthin, wo sie den größten Mehrwert schafft.

Vielen Dank für das tolle Interview. Leser, die mehr über diesen Risikokapitalgeber erfahren möchten, sollten folgende Website besuchen: DVC.